HIVE中row_number函数的描述与使用场景
程序员文章站
2024-01-09 13:28:16
...
假设一个场景:存在表user_score,该表的数据如下
现在要求用一条查询语句取出每种rate下score最大的两条记录,也就算取出id为:2,3,6,7,10,11的记录,要求分别给出SQL和HIVESQL的查询语句
以下是我的想到的方案:
SQL:对user_score根据rate进行分区后根据score进行倒序排序,然后应用row_number函数于每个分区从而筛选出每个分区的前两条记录。
HIVESQL: HIVE中不存在以上SQL的那种实现方式,ROW_NUMBER()在HIVE中是一个函数,必须带一个或者多个列参数,如ROW_NUMBER(col1, ....),它的作用是按指定的列进行分组生成行序列,在ROW_NUMBER(a,b) 时,若两条记录的a,b列相同,则行序列+1,否则重新计数。因为HIVE是基于MAPREADUCE的,必须保证ROW_NUMBER执行是在REDUCE中,并且ROW_NUMBER中使用的列中,列值相同的记录要再同一个reduce中,否则ROW_NUMBER的行为是无意义的。
这里有两点需要说明:
id | rate | score |
1 | '0-4' | 10 |
2 | '0-4' | 40 |
3 | '0-4' | 30 |
4 | '0-4' | 20 |
5 | '5-10' | 10 |
6 | '5-10' | 40 |
7 | '5-10' | 30 |
8 | '5-10' | 20 |
9 | '11-20' | 10 |
10 | '11-20' | 40 |
11 | '11-20' | 30 |
12 | '11-20' | 20 |
现在要求用一条查询语句取出每种rate下score最大的两条记录,也就算取出id为:2,3,6,7,10,11的记录,要求分别给出SQL和HIVESQL的查询语句
以下是我的想到的方案:
SQL:对user_score根据rate进行分区后根据score进行倒序排序,然后应用row_number函数于每个分区从而筛选出每个分区的前两条记录。
WITH pus AS ( SELECT *, rid = ROW_NUMBER() OVER (PARTITION BY rete ORDER BY score DESC) FROM user_score ) SELECT id, rate, score FROM pus WHERE rid <= 2
HIVESQL: HIVE中不存在以上SQL的那种实现方式,ROW_NUMBER()在HIVE中是一个函数,必须带一个或者多个列参数,如ROW_NUMBER(col1, ....),它的作用是按指定的列进行分组生成行序列,在ROW_NUMBER(a,b) 时,若两条记录的a,b列相同,则行序列+1,否则重新计数。因为HIVE是基于MAPREADUCE的,必须保证ROW_NUMBER执行是在REDUCE中,并且ROW_NUMBER中使用的列中,列值相同的记录要再同一个reduce中,否则ROW_NUMBER的行为是无意义的。
SELECT id, rate, score FROM(SELECT * FROM user_score DISTRIBUTE BY rate SORT BY rete ASC, score DESC) WHERE ROW_NUMBER(rete) <= 2
这里有两点需要说明:
- 使用子查询保证ROW_NUMBER在reduce端执行。
- 使用BY rate SORT BY rete ASC, score DESC 来保证rate相同的记录被分配到相同的REDUCE中。
推荐阅读
-
HIVE中row_number函数的描述与使用场景
-
初学 Delphi 嵌入汇编[5] - 寄存器在过程与函数中的使用 - 续
-
初学 Delphi 嵌入汇编[4] - 寄存器在过程与函数中的使用
-
python中enumerate() 与zip()函数的使用比较实例分析
-
PHP中单例模式的使用场景与使用方法讲解
-
springboot中事务管理@Transactional的注意事项与使用场景
-
PHP中单例模式的使用场景与使用方法讲解
-
python中enumerate() 与zip()函数的使用比较实例分析
-
Hive中的去重 :distinct,group by与ROW_Number()窗口函数
-
python中super()函数的理解与基本使用